As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Saída da análise pós-chamada
As transcrições da análise pós-chamada são exibidas em turn-by-turn formato por segmento. Elas incluem categorização de chamadas, características da chamada (pontuações de volume, interrupções, tempo sem conversa, velocidade da conversa), resumo da chamada (problemas, resultados e itens de ação), edição e sentimento. Além disso, um resumo das características da conversa é fornecido no fim da transcrição.
Para aumentar a precisão e personalizar ainda mais as transcrições de acordo com seu caso de uso, como incluir termos específicos do setor, adicione vocabulários personalizados ou modelos de idioma personalizados à solicitação de análise de chamadas. Para mascarar, remover ou marcar palavras que você não deseja nos resultados da transcrição, como palavrões, adicione filtragem de vocabulário. Se não tiver certeza do código do idioma a ser passado para o arquivo de mídia, você poderá habilitar a identificação de idioma em lote para identificar automaticamente o idioma no arquivo de mídia.
As seções a seguir mostram exemplos de JSON resultados em um nível de insight. Para obter a saída compilada, consulte Saída de análise pós-chamada compilada.
Categorização de chamadas
Veja a aparência de uma correspondência de categoria na saída da transcrição. Este exemplo mostra que o áudio do carimbo de data e hora de 40.040 milissegundos para o carimbo de data e hora de 42.460 milissegundos corresponde à categoria “resolução positiva”. Nesse caso, a categoria personalizada de “resolução positiva” exigia um sentimento positivo nos últimos segundos da fala.
"Categories": { "MatchedDetails": { "positive-resolution": { "PointsOfInterest": [ { "BeginOffsetMillis":40040, "EndOffsetMillis":42460} ] } }, "MatchedCategories": [ "positive-resolution" ] },
Características da chamada
Veja como são as características da chamada na saída de transcrição. Observe que as pontuações de intensidade são fornecidas para cada turno de conversa, enquanto todas as outras características são fornecidas no final da transcrição.
"LoudnessScores": [87.54,88.74,90.16,86.36,85.56,85.52,81.79,87.74,89.82],..."ConversationCharacteristics": { "NonTalkTime": { "Instances": [], "TotalTimeMillis":0}, "Interruptions": { "TotalCount":2, "TotalTimeMillis":10700, "InterruptionsByInterrupter": { "AGENT": [ { "BeginOffsetMillis":26040, "DurationMillis":5510, "EndOffsetMillis":31550} ], "CUSTOMER": [ { "BeginOffsetMillis":770, "DurationMillis":5190, "EndOffsetMillis":5960} ] } }, "TotalConversationDurationMillis":42460,..."TalkSpeed": { "DetailsByParticipant": { "AGENT": { "AverageWordsPerMinute":150}, "CUSTOMER": { "AverageWordsPerMinute":167} } }, "TalkTime": { "DetailsByParticipant": { "AGENT": { "TotalTimeMillis":32750}, "CUSTOMER": { "TotalTimeMillis":18010} }, "TotalTimeMillis":50760} },
Problemas, itens de ação e próximas etapas
-
No exemplo a seguir, os problemas são identificados como começando no caractere 7 e terminando no caractere 51, que se refere a esta seção do texto: “Eu gostaria de cancelar minha assinatura de receitas”.
"Content": "Well, I would like to cancel my recipe subscription.", "IssuesDetected": [ { "CharacterOffsets": { "Begin":7, "End":51} } ], -
No exemplo a seguir, os resultados são identificados como começando no caractere 12 e terminando no caractere 78, que se refere a esta seção do texto: “Eu fiz todas as alterações em sua conta e agora esse desconto está aplicado”.
"Content": "Wonderful. I made all changes to your account and now this discount is applied, please check.", "OutcomesDetected": [ { "CharacterOffsets": { "Begin":12, "End":78} } ], -
No exemplo a seguir, os itens de ação são identificados como começando no caractere 0 e terminando no caractere 103, que se refere a esta seção do texto: “Enviarei um e-mail com todos os detalhes para você hoje e ligarei de volta na próxima semana para fazer um acompanhamento”.
"Content": "I will send an email with all the details to you today, and I will call you back next week to follow up. Have a wonderful evening.", "ActionItemsDetected": [ { "CharacterOffsets": { "Begin":0, "End":103} } ],
Resumo generativo de chamada
Veja como é o resumo generativo de chamada na saída de transcrição:
"ContactSummary": { "AutoGenerated": { "OverallSummary": { "Content": "A customer wanted to check to see if we had a bag allowance. We told them that we didn't have it, but we could add the bag from Canada to Calgary and then do the one coming back as well." } } }
O trabalho de análise será concluído sem geração de resumo nos seguintes casos:
-
Conteúdo insuficiente da conversa: a conversa deve incluir pelo menos uma vez do agente e do cliente. Quando o conteúdo da conversa for insuficiente, o serviço retornará o código de erro INSUFFICIENT _ CONVERSATION _CONTENT.
-
Proteções de segurança: a conversa deve atender às barreiras de segurança estabelecidas para garantir que o resumo apropriado seja gerado. Quando essas grades de proteção não forem atendidas, o serviço retornará o código de erro FAILED _ _SAFETY. GUIDELINES
O código de erro pode ser encontrado na Skipped seção dentro AnalyticsJobDetails da saída. Você também pode encontrar o motivo do erro CallAnalyticsJobDetails na GetCallAnalyticsJobAPIResposta.
Exemplo de saída de erro
{ "JobStatus": "COMPLETED", "AnalyticsJobDetails": { "Skipped": [ { "Feature": "GENERATIVE_SUMMARIZATION", "ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT", "Message": "The conversation needs to have at least one turn from both the participants to generate summary" } ] }, "LanguageCode": "en-US", "AccountId": "***************", "JobName": "Test2-copy",...}
Análise de sentimentos
Veja como é a análise de sentimentos na saída de transcrição.
-
Valores qualitativos turn-by-turn do sentimento:
"Content": "That's very sad to hear. Can I offer you a 50% discount to have you stay with us?",..."BeginOffsetMillis":12180, "EndOffsetMillis":16960, "Sentiment": "NEGATIVE", "ParticipantRole": "AGENT"..."Content": "That is a very generous offer. And I accept.",..."BeginOffsetMillis":17140, "EndOffsetMillis":19860, "Sentiment": "POSITIVE", "ParticipantRole": "CUSTOMER" -
Valores quantitativos de sentimento para toda a chamada:
"Sentiment": { "OverallSentiment": { "AGENT":2.5, "CUSTOMER":2.1}, -
Valores quantitativos de sentimento por participante e por um quarto da chamada:
"SentimentByPeriod": { "QUARTER": { "AGENT": [ { "Score":0.0, "BeginOffsetMillis":0, "EndOffsetMillis":9862}, { "Score":-5.0, "BeginOffsetMillis":9862, "EndOffsetMillis":19725}, { "Score":5.0, "BeginOffsetMillis":19725, "EndOffsetMillis":29587}, { "Score":5.0, "BeginOffsetMillis":29587, "EndOffsetMillis":39450} ], "CUSTOMER": [ { "Score":-2.5, "BeginOffsetMillis":0, "EndOffsetMillis":10615}, { "Score":5.0, "BeginOffsetMillis":10615, "EndOffsetMillis":21230}, { "Score":2.5, "BeginOffsetMillis":21230, "EndOffsetMillis":31845}, { "Score":5.0, "BeginOffsetMillis":31845, "EndOffsetMillis":42460} ] } }
PIIredação
Aqui está a aparência da PII redação em sua saída de transcrição.
"Content": "[PII], my name is [PII], how can I help?", "Redaction": [{ "Confidence": "0.9998", "Type": "NAME", "Category": "PII" }]
Para obter mais informações, consulte Redação PII em seu trabalho em lotes.
Identificação de idioma
Veja como é a identificação de idioma na saída de transcrição caso o recurso esteja habilitado.
"LanguageIdentification": [{ "Code": "en-US", "Score": "0.8299" }, { "Code": "en-NZ", "Score": "0.0728" }, { "Code": "zh-TW", "Score": "0.0695" }, { "Code": "th-TH", "Score": "0.0156" }, { "Code": "en-ZA", "Score": "0.0121" }]
No exemplo de saída acima, a identificação de idioma preencherá os códigos de idioma com pontuações de confiança. O resultado com a pontuação mais alta será selecionado como o código do idioma para transcrição. Consulte mais detalhes em Identifying the dominant languages in your media.
Saída de análise pós-chamada compilada
Para resumir, parte do conteúdo é substituído por elipses na saída de transcrição a seguir.
Esse exemplo inclui um recurso opcional: resumo generativo de chamadas.
{ "JobStatus": "COMPLETED", "LanguageCode": "en-US", "Transcript": [ { "LoudnessScores": [ 78.63, 78.37, 77.98, 74.18 ], "Content": "[PII], my name is [PII], how can I help?",..."Content": "Well, I would like to cancel my recipe subscription.", "IssuesDetected": [ { "CharacterOffsets": { "Begin": 7, "End": 51 } } ],..."Content": "That's very sad to hear. Can I offer you a 50% discount to have you stay with us?", "Items": [...], "Id": "649afe93-1e59-4ae9-a3ba-a0a613868f5d", "BeginOffsetMillis": 12180, "EndOffsetMillis": 16960, "Sentiment": "NEGATIVE", "ParticipantRole": "AGENT" }, { "LoudnessScores": [ 80.22, 79.48, 82.81 ], "Content": "That is a very generous offer. And I accept.", "Items": [...], "Id": "f9266cba-34df-4ca8-9cea-4f62a52a7981", "BeginOffsetMillis": 17140, "EndOffsetMillis": 19860, "Sentiment": "POSITIVE", "ParticipantRole": "CUSTOMER" }, {..."Content": "Wonderful. I made all changes to your account and now this discount is applied, please check.", "OutcomesDetected": [ { "CharacterOffsets": { "Begin": 12, "End": 78 } } ],..."Content": "I will send an email with all the details to you today, and I will call you back next week to follow up. Have a wonderful evening.", "Items": [...], "Id": "78cd0923-cafd-44a5-a66e-09515796572f", "BeginOffsetMillis": 31800, "EndOffsetMillis": 39450, "Sentiment": "POSITIVE", "ParticipantRole": "AGENT" }, { "LoudnessScores": [ 78.54, 68.76, 67.76 ], "Content": "Thank you very much, sir. Goodbye.", "Items": [...], "Id": "5c5e6be0-8349-4767-8447-986f995af7c3", "BeginOffsetMillis": 40040, "EndOffsetMillis": 42460, "Sentiment": "POSITIVE", "ParticipantRole": "CUSTOMER" } ],..."Categories": { "MatchedDetails": { "positive-resolution": { "PointsOfInterest": [ { "BeginOffsetMillis": 40040, "EndOffsetMillis": 42460 } ] } }, "MatchedCategories": [ "positive-resolution" ] },..."ConversationCharacteristics": { "NonTalkTime": { "Instances": [], "TotalTimeMillis": 0 }, "Interruptions": { "TotalCount": 2, "TotalTimeMillis": 10700, "InterruptionsByInterrupter": { "AGENT": [ { "BeginOffsetMillis": 26040, "DurationMillis": 5510, "EndOffsetMillis": 31550 } ], "CUSTOMER": [ { "BeginOffsetMillis": 770, "DurationMillis": 5190, "EndOffsetMillis": 5960 } ] } }, "TotalConversationDurationMillis": 42460, "Sentiment": { "OverallSentiment": { "AGENT": 2.5, "CUSTOMER": 2.1 }, "SentimentByPeriod": { "QUARTER": { "AGENT": [ { "Score": 0.0, "BeginOffsetMillis": 0, "EndOffsetMillis": 9862 }, { "Score": -5.0, "BeginOffsetMillis": 9862, "EndOffsetMillis": 19725 }, { "Score": 5.0, "BeginOffsetMillis": 19725, "EndOffsetMillis": 29587 }, { "Score": 5.0, "BeginOffsetMillis": 29587, "EndOffsetMillis": 39450 } ], "CUSTOMER": [ { "Score": -2.5, "BeginOffsetMillis": 0, "EndOffsetMillis": 10615 }, { "Score": 5.0, "BeginOffsetMillis": 10615, "EndOffsetMillis": 21230 }, { "Score": 2.5, "BeginOffsetMillis": 21230, "EndOffsetMillis": 31845 }, { "Score": 5.0, "BeginOffsetMillis": 31845, "EndOffsetMillis": 42460 } ] } } }, "TalkSpeed": { "DetailsByParticipant": { "AGENT": { "AverageWordsPerMinute": 150 }, "CUSTOMER": { "AverageWordsPerMinute": 167 } } }, "TalkTime": { "DetailsByParticipant": { "AGENT": { "TotalTimeMillis": 32750 }, "CUSTOMER": { "TotalTimeMillis": 18010 } }, "TotalTimeMillis": 50760 }, "ContactSummary": { // Optional feature - Generative call summarization "AutoGenerated": { "OverallSummary": { "Content": "The customer initially wanted to cancel but the agent convinced them to stay by offering a 50% discount, which the customer accepted after reconsidering cancelling given the significant savings. The agent ensured the discount was applied and said they would follow up to ensure the customer remained happy with the revised subscription." } } } }, "AnalyticsJobDetails": { "Skipped": [] },...}
